Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

Fallanalys med stöd av artificiell intelligens på sjuksköterskeutbildning

30 maj 2024 uppdaterad av: Seda Akutay, TC Erciyes University

Effekten av fallanalys som stöds av artificiell intelligens på sjuksköterskestudenters resultat och tillfredsställelse för ärendehantering: en randomiserad kontrollerad studie

Bakgrund: Den snabba utvecklingen inom området artificiell intelligens har börjat nödvändiggöra förändringar och omvandlingar inom sjuksköterskeutbildningen.

Syfte: Den här studien syftade till att utvärdera effekten av ett fall med artificiell intelligens som skapats i klassens fallanalysföreläsning för sjuksköterskestudenter på studenters resultat och tillfredsställelse inom ärendehantering.

Design: Denna studie var en randomiserad kontrollerad studie. Metod: Studien involverade 188 tredjeårs sjuksköterskestudenter som slumpmässigt placerades i antingen AI-gruppen (n=94) och kontrollgruppen (n=94). Ett informationsformulär, fallutvärderingsformulär, kunskapstest och Mentimeter-applikation användes för att bedöma elevernas fallhanteringsprestationer och omvårdnadsdiagnoser. Nivån av tillfredsställelse med fallanalysföreläsningen utvärderades med hjälp av VAS-skalan.

Studieöversikt

Studietyp

Interventionell

Inskrivning (Faktisk)

188

Fas

  • Inte tillämpbar

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studieorter

      • Kayseri, Kalkon
        • Erciyes University

Deltagandekriterier

Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.

Urvalskriterier

Åldrar som är berättigade till studier

  • Vuxen

Tar emot friska volontärer

Ja

Beskrivning

Inklusionskriterier:

  • har läst omvårdnadsföreläsning tidigare
  • att ha planerat vård för minst en operationspatient i klinisk praxis tidigare
  • ha en mobiltelefon med internetuppkoppling

Exklusions kriterier:

  • inte närvara vid fallanalysföreläsningen
  • inte vara en aktiv student
  • ofullständigt ifyllande av datainsamlingsformulären
  • inte accepterar att delta i studien

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

  • Primärt syfte: Övrig
  • Tilldelning: Randomiserad
  • Interventionsmodell: Parallellt uppdrag
  • Maskning: Ingen (Open Label)

Vapen och interventioner

Deltagargrupp / Arm
Intervention / Behandling
Experimentell: AI-stödd caselektionsgrupp
Eleverna i den här gruppen kommer att ta en lektion med artificiell intelligens-stödd fallanalys i klassen.
I den artificiell intelligens-stödda case-lektionen kommer eleverna att lyssna på ljud- och visuellt innehåll som förbereds av artificiell intelligens.
Inget ingripande: Standardlektionsgrupp
Eleverna i den här gruppen kommer att få en standardlektion i klassen som berättas av instruktören.

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Ärendehanteringsprestanda
Tidsram: 3 timmar
Alla elevers prestationer som ingick i denna studie angående case-lektionen utvärderades med hjälp av ett kunskapstest bestående av 10 frågor och en Mentimeter-applikation där de kunde ange sina sjuksköterskediagnoser. Eleverna kommer att lösa proven efter att falllektionerna är klara. Poängen som kan erhållas från proven är mellan 0-100. I takt med att elevernas poäng ökar kan det tolkas som att kunskapsnivån ökar. I Mentimeter-applikationen kommer eleverna att få skriva 5 omvårdnadsdiagnoser. Det finns ingen poäng här, men applikationen skapar ett ordmoln med det mest givna svaret i en större teckenstorlek.
3 timmar
Case Satisfaction
Tidsram: 3 timmar
Nivån av tillfredsställelse med fallanalysföreläsningen utvärderades med hjälp av VAS-skalan. VAS-skalan poängsätts mellan 1-10. Eleverna visar att de är nöjda med handläggningen av ärendelektionen. Höga poäng på VAS indikerar en hög nivå av tillfredsställelse.
3 timmar

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

Utredare

  • Huvudutredare: Seda Akutay, Ress. Asst., TC Erciyes University

Studieavstämningsdatum

Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.

Studera stora datum

Studiestart (Faktisk)

27 februari 2024

Primärt slutförande (Faktisk)

27 mars 2024

Avslutad studie (Faktisk)

27 mars 2024

Studieregistreringsdatum

Först inskickad

27 maj 2024

Först inskickad som uppfyllde QC-kriterierna

30 maj 2024

Första postat (Faktisk)

5 juni 2024

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

5 juni 2024

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

30 maj 2024

Senast verifierad

1 maj 2024

Mer information

Termer relaterade till denna studie

Andra studie-ID-nummer

  • ErciyesUniversity

Läkemedels- och apparatinformation, studiedokument

Studerar en amerikansk FDA-reglerad läkemedelsprodukt

Nej

Studerar en amerikansk FDA-reglerad produktprodukt

Nej

Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .

Kliniska prövningar på Artificiell intelligens

Kliniska prövningar på AI-stödt fodral

3
Prenumerera